OpenAI 发布开源安全模型 gpt-oss-safeguard

OpenAI发布了开源安全推理模型gpt-oss-safeguard，包含120B和20B两个版本，支持开发者自定义策略进行内容审核，模型基于Apache 2.0许可证开放使用。

两款不同尺寸模型支持 harmony 格式的输入输出，并提供低、中、高三级推理强度设置。它们主要面向输入输出过滤、在线内容标注、离线信任与安全审核等场景，不适用于通用生成任务。

据介绍，gpt-oss-safeguard 可直接读取开发者提供的策略文档，通过链式推理输出审核结论及依据，支持多策略并行处理，内部测试多策略准确率达52.2%，超越GPT-5-Thinking和原版GPT-OSS。该模型采用“策略直读+推理解释”机制，无需重新训练即可动态调整规则，适用于新兴风险、细分领域及样本稀缺场景。

模型下载地址：https://huggingface.co/collections/openai/gpt-oss-safeguard